WO2009013363A1

WO2009013363A1 - Sistema para la estimación de la volumetría de la lactancia materna

Info

Publication number: WO2009013363A1
Application number: PCT/ES2007/000453
Authority: WO
Inventors: Vicente Jorge Ribas Ripoll
Original assignee: Sabirmedical SL
Current assignee: Sabirmedical SL
Priority date: 2007-07-20
Filing date: 2007-07-25
Publication date: 2009-01-29
Anticipated expiration: 2010-01-20
Also published as: ES2311413B1; ES2311413A1

Abstract

Sistema para la estimación de la volumetría de la lactancia materna entendida como el volumen de leche ingerida por un neonato durante una toma del pecho. Dicho sistema establece un modelo fractal del pecho humano con la finalidad de estimar el volumen total de leche almacenada en el mismo. El sistema de la presente invención, utiliza un sistema emisor y receptor de ultrasonidos para la captación de una imagen antes de la toma del pecho y otra después. Dichas imágenes son preprocesadas tanto con la DCT como con la DWT antes de la estimación. El procedimiento de estimación de la volumetría está basado en un comité de redes neuronales con la finalidad de disminuir el error entre el valor real y el estimado a base de reducir el sesgo (error sistemático) y la variancia del sistema estimador mediante un promedio del las respuestas del comité de redes neuronales. Finalmente, también se presenta otro algoritmo para la reducción de dicho error sistemático basado en técnicas de segmentación de imágenes combinado con el sistema fractal presentado.

Description

Sistema para la estimación de la volumetría de la lactancia materna.

CAMPO DE LA INVENCIÓN

La presente invención desarrolla un sistema, incluyendo un dispositivo digital de escaneado por ultrasonidos, para la estimación de la volumetria de leche ingerida por un recién nacido durante el proceso de la toma del pecho, configurándose como un aparato de mano de toma de ecografias por ultrasonidos. El sistema proporciona la medición final mediante la información de ultrasonidos obtenida por los procedimientos operativos del mismo.

ANTECEDENTES

Los beneficios de la lactancia materna, tanto para las mujeres como para los recién nacidos, son bien conocidos por la comunidad médica y asi lo constatan numerosas publicaciones en el campo de la pediatría. De hecho, tanto la Organización Mundial de la Salud (OMS) como el Fondo para la Infancia de las Naciones Unidas (UNICEF por sus siglas en Inglés) recomiendan que todas las madres amamanten a sus recién nacidos de forma exclusiva durante los seis primeros meses de vida. En las recomendaciones publicadas en el reporte ^λHealthy People 2010' , el Departamento de Salud de los EEUU plantea el objetivo de alcanzar un 75% de prevalencia de la lactancia materna durante el post-parto junto con una prevalencia del 50% durante los primeros seis meses de vida .

A pesar de que la prevalencia actual durante el post- parto es relativamente alta (alrededor del 70% en los EEUU, 80% en Australia, 90% en Alemania, etc.), menos de la mitad de recién nacidos reciben el pecho a los seis meses de vida. A pesar de que resulta difícil identificar las causas directas de la interrupción precoz de la lactancia materna , los últimos estudios pediátricos publicados apuntan a que existen numerosas dificultades derivadas del proceso de dar el pecho durante las primeras semanas del post-parto, las cuales parece ser que tienen una gran correlación con esta discontinuidad prematura.

Estos problemas durante las 4 primeras semanas de vida son bastante comunes. Un tercio de las madres refieren percibir al menos uno o más problemas relacionados con la lactancia, como son la falta de confianza en su habilidad para dar el pecho, percepción de no tener suficiente leche, problemas de succión por parte del recién nacido, etc. A su vez, se han publicado otros estudios que elevan la tasa de mujeres que sufren dichos problemas hasta el 38%.

La patente WO2006054287, desarrolla un sistema que integra diversos dispositivos integrados en un sujetador, con aperturas que permiten la exposición del pecho para amamantar al recién nacido. En el interior de dicho sujetador se encuentran diversas sondas emisoras/receptoras de ultrasonidos, que utilizan el Efecto Doppler para calcular el flujo de leche y realizar a partir de éste la estimación del volumen de leche que toma el recién nacido.

Sin embargo, dicho sistema no resulta ser un medio adecuado para la estimación de la volumetria de leche tomada por el recién nacido, ya que se trata de un sistema altamente invasivo y perturbador de la intimidad entre la madre y el recién nacido al obligar a amamantar con una prenda verdaderamente incómoda para poder realizar la estimación volumétrica.

Las patentes US5827191 y WO2006003655 desarrollan un sistema para la medición de la volumetria de leche ingerida por un recién nacido basado en un cubre-pezón elástico por el que pasa, con la finalidad de medirlo, el flujo de leche tomada.

Ambos sistemas presentan el inconveniente de establecer una barrera física entre la madre y el bebé perturbando no sólo la intimidad entre ambos, sino también el proceso mismo de amamantar, ya que dificulta tanto la succión del lactante como la producción de leche que se deriva del estimulo directo del pezón por parte del niño.

Persiste sin embargo sin resolver la cuestión de establecer un sistema autónomo para la estimación de la volumetria de la lactancia materna que sea preciso, cómodo, no invasivo, fácil de utilizar y que no deba estar en contacto con la madre o el recién nacido durante todo el proceso de amamantamiento. En concreto, persiste la necesidad de establecer un sistema que ayude a resolver todos los problemas descritos anteriormente.

Es por ello, que uno de los objetivos principales de la presente invención es dar solución a la problemática derivada del proceso de lactancia de los recién nacidos durante los seis primeros meses de vida proporcionando datos en tiempo real a las nuevas madres sobre el volumen de leche ingerida por su recién nacido.

Otro de los objetivos y ventajas que se obtienen con la facilidad y portabilidad del sistema de la presente invención hace referencia al aumento de la calidad de vida y confort de las nuevas madres y recién nacidos puesto que se requiere del mínimo contacto para la realización de la estimación (requiere sólo dos escaneados pre y post succión) , siendo otro de los objetivos principales de la presente invención extender el proceso de lactancia materna más allá de los primeros seis meses de vida.

BREVE EXPLICACIÓN DE LA INVENCIÓN

De acuerdo con los antecedentes de la invención detallados anteriormente, el sistema para la estimación de la volumetria en la lactancia materna usa un dispositivo de ultrasonidos por contacto utilizando el principio físico de Back-Scatter con el que se realiza un primer escaneado del pecho de la madre proveyendo un primer conjunto de parámetros entre los que se puede incluir, el volumen total del pecho, el número estimado de lóbulos y lobulillos (unidades funcionales de la glándula mamaria) , el número de -canales lactóforos, propiedades acústicas del tejido, etc.

Con el conjunto de datos obtenido anteriormente se obtiene un modelo fractal mediante el cual se obtiene el volumen de leche almacenado (capacidad total) en los canales lactóforos y en el conjunto de la glándula mamaria (en especial, los lobulillos). Este modelo permite también realizar una estimación de la tasa de producción de leche una vez consumida la reserva volumétrica calculada anteriormente con el modelo.

Una vez realizadas las medidas anteriores junto con la primera estimación de la volumetria y una vez finalizado el proceso de amamantar al recién nacido con un pecho, se procede a realizar un segundo escaneado por contacto con la mama materna con el sensor de ultrasonidos. Con este segundo escaneado se obtiene el mismo conjunto de datos detallado anteriormente.

Con el conjunto de datos disponible, se infiere una función / sistema que, a partir de una entrada de imágenes del pecho, antes y después de amamantar sea capaz de proveer el volumen total de leche consumida. Para ello, se modela dicha estimación con un proceso de clasificación en función de diferentes categorías (datos de entrada) .

Para ello, se realiza un preprocesado de las imágenes previo a la fase de estimación. El sistema presentado en esta invención puede utilizar la transformada discreta del coseno (Discrete Cosinus Transform / DCT) o los valores propios de la matriz de autocorrelación de las imágenes de entrada. La implementación preferida del presente sistema realiza dicho preprocesado mediante las transformadas Wavelet (Discrete Wavelet Transform /

DWT) , ya que captura las especificidades de las ecografías de entrada (i.e. las imágenes de los dos escaneados realizados con el sensor de ultrasonidos) a diferentes niveles de resolución, y la DCT (Discrete Cosinus Transform) .

Una vez realizado el preprocesado de las ecografias de entrada se estima el volumen de leche ingerida por el recién nacido mediante la implementación de un comité de redes neuronales del tipo ^Radial Basis Functions' , que calculan una función que devuelve el volumen ingerido a partir de las imágenes preprocesadas . Con la finalidad de disminuir la variancia de la estimación anterior, el comité de redes neuronales está constituido por un conjunto de redes, que se entrena a partir de un muestreo de la imagen de entrada, de tal manera que al promediar las salidas de dichas redes se compense la variancia de la estimación y, al mismo tiempo, la entrada de cada red neuronal tenga una dimensión mas baja. Este comité de redes neuronales puede combinarse con técnicas de procesado de imagen y, en especial, con la segmentación de las imágenes preprocesadas para calcular el grado de colapso del árbol mamario (i.e. de todo el tejido mamario) y, a partir, de este grado de compresión realizar una estimación del volumen de leche ingerido (esta estimación es directa puesto que se conoce el volumen total de leche disponible a partir del modelo fractal del pecho) .

BREVE EXPLICACIÓN DE LOS DIBUJOS

La figura 1 muestra una representación de la parte inferior del sistema para la estimación de la lactancia materna donde se detalla el dispositivo emisor de ultrasonidos .

La figura 2 muestra una representación del perfil del sistema para la estimación de la lactancia materna donde se aprecia que el mismo es un dispositivo de mano no invasivo .

La figura 3 muestra una representación superior del sistema para la estimación de la lactancia materna donde se aprecia la pantalla donde se presentan los datos de las lecturas de la volumetria y la evolución temporal de las mismas.

La figura 4 muestra la arquitectura de alto nivel del sistema global para la captación de ultrasonidos y la implementación de los algoritmos de estimación. Los componentes del sistema incluyen un emisor de ultrasonidos, un conmutador transmisión / recepción, conversores analógico / digitales dispositivos FPGA o DSP y los elementos de conexión entre placas.

La figura 5 muestra el volumen minimo, medio y máximo de leche almacenada en un pecho (BSC) obtenido de la aplicación del modelo fractal de la presente invención.

La figura 6 muestra el banco de filtros que implementan la DWT (Discrete Wavelet Transform) de la presente invención. Se detallan los componentes paso-alto y paso- bajo del banco de filtros asi como los niveles de resolución para el cálculo de la transformación wavelet. La figura 7 muestra el diagrama de bloques para el estimador basado comité de redes neuronales del tipo Radial Basis Functions, que realizan la estimación de la volumetria de la lactancia materna a partir de las muestras de las imágenes preprocesadas (ecografias preprocesadas) .

La figura 6 muestra el diagrama de bloques y operaciones para la estimación de la volumetria de la lactancia materna combinando el modelo fractal definido en la presente invención con técnicas de segmentación de imágenes .

EXPLICACIÓN DETALLADA DE LA INVENCIÓN

Consiste la presente invención en un sistema para la estimación del volumen de leche ingerida por un recién nacido durante una toma del pecho cuyos datos son evaluados en tiempo real mediante un dispositivo (1) de captación de ecografias enlazado con diferentes subsistemas digitales (7, 8, 9) que implementan, respectivamente, un modelo fractal (7) del pecho humano, un comité de clasificadores basados en redes neuronales (8) del tipo RBF y, finalmente, otro subsistema (9) que calcula el grado de colapso del árbol mamario. Aunque la implementación preferida del sistema utiliza los subsistemas digitales fractal (7) y de red neuronal (8) anteriores, el estimador de lactancia materna de la presente invención puede integrarse con el sub-sistema de medición del colapso del árbol mamario (9) para reducir la variancia de las estimaciones realizadas.

Consta el dispositivo (1) de un emisor y receptor de ultrasonidos (2), de una tarjeta de transmisión encargada de la generación de los pulsos de ultrasonidos de la conformación del haz de emisión de ultrasonidos y de la conversión digital / analógico de dichos pulsos y de la conformación del haz ( ^λbeaforming' ) del emisor. En la implementación preferida del sistema, dicho dispositivo emisor / receptor (2) es implementado mediante un único dispositivo microcontrolador DSP tipo FPGA.

Consta también el dispositivo (2) de uno o varios dispositivos receptores (5) (uno para cada canal según la conformación de haz anterior) cuya función es la recepción de los pulsos emitidos por la tarjeta emisora

(4), la conversión analógico / digital y la conformación de las ecografias, que se utilizarán como entrada para la estimación del volumen de leche ingerida. En la implementación preferida del sistema, dichos elementos receptores son implementados mediante un dispositivo DSP

/ FPGA para cada canal. Dependiendo del grado de fiabilidad deseado en el sistema final, el número de canales de ultrasonidos puede variar entre 8 y 64.

Finalmente, el dispositivo (1) consta de un panel de conexión entre tarjetas, que interconecta la tarjeta emisora (4) y las receptoras (5) (8-64 canales) con la tarjeta controladora (6) que es la encargada no sólo de controlar el emisor receptor (2) sino que también sobre la misma se implementan los filtros y modelos detallados a continuación. En la implementación preferida del sistema, dicha controladora es implementada mediante un dispositivo DSP tipo FPGA.

Para el cálculo del volumen mamario e interpretación de las imágenes obtenidas por ultrasonidos la invención dispone de los medios adecuados de cómputo y procesado de información que le permiten aplicar diferentes procedimientos según diferentes subsistemas de tratamiento de la información recibida.

El subsistema (7) implementa un modelo fractal descrito a continuación. En el árbol mamario, los canales se bifurcan de forma dicotómica reduciendo la longitud y el diámetro de los mismos de forma sistemática. Por otra parte, se estima que el árbol mamario finaliza en, aproximadamente, 2¹⁰ lobulillos. Cada uno de estos lobulillos se divide en 4 generaciones de alvéolos, que constituyen la glándula mamaria. Considerando la parte baja del árbol mamario (i.e. las generaciones 5 a 10) y asumiendo que la leche fluye en el sistema de canales siguiendo la ley de Poseuille (de hecho es una muy buena aproximación para la zona del árbol considerada) , pueden deducirse estructuras óptimas mediante la minimización de la disipación de viscosidad ( ^Λviscous dissipation' ) dentro del volumen del árbol. De hecho, el análisis detallado de dicha proposición mediante multiplicadores de Lagrange sugiere que la mejor estructura de árbol es fractal con dimensión 3. En este árbol ideal, los segmentos sucesivos serán homotéticos con una relación tamaño / radio constante (h) . De hecho este resultado, puede considerarse como un caso particular de la ley Hess-Murray, que modela el árbol sanguíneo.

Asumiendo que las ramas que se bifurcan son simétricas

(esta asunción resulta ser bastante razonable para la parte interna del pecho) , la razón entre el diámetro y la longitud entre la generación p-1 y la generación p es h_p. Si denotamos V como el volumen de un canal determinado, el canal reducido por un factor h, resulta en un volumen multiplicado por un factor h³ para cada generación. Para después de p generaciones, los tamaños se habrán reducido por un factor hixh∑x .. xh_p de manera que el volumen de un árbol de N+l generaciones

(indexadas de 0 a N) puede escribirse de la siguiente manera:

V = V₀ + ¿2^p(h_{l X} h₂ x . . x h_p)³V₀ p=l

Si asumimos que el factor de reducción es constante entre generaciones, el volumen puede reescribirse como:

V=V₀(l+¿(2h³)^p) p=l

Reescribiendo la ecuación anterior como una ecuación en diferencias finitas (EDF) , el volumen puede escribirse de la siguiente forma:

V(n+ l) = V(n)+ V_or^n"1

El término N-ésimo puede escribirse como:

Donde r=2h³. De todas maneras, hasta este momento sólo se ha calculado el volumen de leche almacenada en el interior del árbol mamario por lo que no se ha considerado todavía la contribución al volumen total derivada de los lobulillos. Como se verá a continuación, dicho volumen es bastante mayor que el calculado anteriormente .

Como ya se ha comentado con anterioridad, existe una relación uno-a-uno entre el número de canales lactóforos en la última iteración (N) y el número de lobulillos. En otras palabras a un árbol mamario de 2^N ramas, le corresponden 2^N lobulillos. Por lo tanto, asumiendo una forma esférica para los lobulillos con un radio medio h, la capacidad total del pecho (BSC / ^λBreast Storage Capacity' ) puede escribirse de la siguiente manera:

V = V₀(^1~rN1) +-2^N+1πh³ 1-r 3

El valor de h puede calcularse a partir de las ecografias tomadas en el subsistema (3) puesto que este valor es la relación entre la longitud del canal lactóforo y su radio. En conclusión, el subsistema (4) es el encargado de realizar la estimación de este factor h y de calcular la BSC, mediante la ecuación anterior a partir de h y del número de canales lactóforos terminales .

Por otra parte, el modelo fractal presentado anteriormente no sólo define la BSC sino que también provee el fundamento teórico para el subsistema (9) puesto que durante una toma de leche, la cantidad de tejido mamario debe mantenerse constante. En otras palabras, esto implica que cualquier cambio dentro del pecho durante una toma de leche se deberá a una bajada de presión (i.e. la estructura del árbol de canales y lobulillos se colapsa durante el Vaciado' del pecho) . Por lo tanto, a partir de la BSC y del grado de colapso del tejido mamario puede estimarse el volumen de leche consumido por el neonato. La figura 5 muestra la BSC minima, media y máxima para un pecho en función de h.

Una vez realizado el primer escaneado de ultrasonidos

(ecografia) a partir del cual se han obtenido los datos detallados anteriormente (Básicamente BSC, h y número de canales lactóforos) , se realiza un segundo escaneado (ecografia) después de la toma para la estimación automática en tiempo real de la leche tomada por el neonato .

Por su parte, las entradas del subsistema (8) constan de dos imágenes obtenidas de las ecografias del emisor receptor (2) realizadas antes y después de la toma del pecho. Consta el presente subsistema de dos fases diferenciadas. Una define la unidad de preprocesado, que está diseñada con la finalidad de obtener caracteristicas/datos invariantes respecto a translaciones, rotaciones y/o escalado (tanto en frecuencia como en el tiempo) a partir de las imágenes/ecografias. La segunda fase está basada en técnicas del tipo ^Machine Learning' y computa el volumen total a partir de los datos obtenidos a partir de las imágenes/ecografias preprocesadas . La fase de preprocesado de las imágenes (10) tiene como objetivo transformar la imagen de entrada en un vector, que capture las características asociadas al problema de estimación de la volumetria de la lactancia materna. Este vector es invariante en relación a la rotación de las imágenes de entrada, cambios en el ángulo de medida (o toma de la ecografia) , características comunes relacionadas con la producción de leche que sean independientes de la persona, etc..

En la implementación preferida de dicha fase de preprocesado de imágenes (10) se utilizan dos técnicas diferentes que pueden utilizarse de forma independiente o conjunta con el objetivo de obtener el vector de datos descrito anteriormente. La primera técnica utiliza la Transformada Discreta del Coseno (Discrete Cosinus Transform o DCT) y la segunda utiliza la Transformada Wavelet Bidimensional (Discrete Wavelet Transform o DWT) .

En la presente invención se ha seleccionado la transformada DCT porque ésta computa una representación de la imagen como una combinación de frecuencias horizontales y verticales. Por lo tanto, con esta representación, los detalles de la imagen que posean ciertas características de frecuencia, aparecerán a lo largo de un circulo en función del ángulo que dicha característica tenga con respecto a los ejes horizontal y vertical. Por lo tanto, la representación de la imagen de entrada en el dominio transformado DCT será invariante con respecto a las rotaciones que puedan hacerse sobre la imagen original. Por otra parte, sólo una parte de la imagen en el dominio transformado será relevante, por lo que podrá seleccionarse la región de interés de la imagen en el dominio transformado con la finalidad de reducir la redundancia mientras, a la vez, se preserva toda la información contenida en la imagen original .

La segunda aproximación al preprocesado (10) de la imagen de entrada está basada en la DWT. Se considera la aplicación de este preprocesado de las imágenes de entrada conjuntamente con la DCT o de forma independiente puesto que las propiedades de ^Λ scattering' de las ecografias de entrada pueden ser caracterizadas univocamente mediante sus propiedades espacio- temporales. Normalmente, estas propiedades han sido estudiadas mediante la Transformada Discreta de Fourier Bidimensional (2D-DFT) o mediante la STFT (Short-Term Fourier Transform) . Es un resultado bien conocido que tanto la 2D-DFT como la STFT no pueden representar a la vez las propiedades temporales y frecuenciales a la vez, y con diferentes grados de resolución, de una imagen de entrada.

La DWT presenta el marco idóneo para el problema de la estimación del volumen de la lactancia materna puesto que proporciona una representación de las imágenes en las que se separa la información relevante (presencia de tubos, capas de tejido, etc.) de información relacionada con el cambio suave de las escalas de gris, artefactos debido a la difracción de las ondas, el efecto de escalado y rotación de la imagen debido a que cada medida se realiza en condiciones ligeramente diferentes, etc .

Los coeficientes de la DWT describen la correlación entre el wavelet seleccionado (en la implementación preferida de la presente invención se han seleccionado wavelets de Haar y Daubechines) y la imagen a varias escalas / resoluciones (i.e. se mide el grado de similitud entre la imagen y la wavelet para una combinación tiempo-discreto y posición) . En otras palabras, los coeficientes calculados proveen las amplitudes de la serie de wavelets sobre un conjunto de escalas y traslaciones, que deben sumarse con la finalidad de obtener la imagen original. Desde esta perspectiva, el análisis DWT puede entenderse como una búsqueda sobre la imagen de interés de características que se asemejen al wavelet seleccionado. Esta búsqueda se realiza sobre varias escalas y varios tamaños de wavelet. Por este motivo, se han seleccionado los Wavelets de Haar para identificar los canales lactóforos mientras que los Wavelets de Daubechines se utilizan tanto para la detección de lobulillos como para la eliminación de los artefactos derivados de la absorción y scattering de las imágenes iniciales.

La implementación de este análisis en el preprocesado (10) se realiza mediante un banco de filtros (figura 6). Con este conjunto de filtros, se divide la imagen de entrada en diversos componentes espectrales ( 'codificación sub-banda' ) con la finalidad de obtener las componentes paso-alto, paso-bajo y paso-banda de la señal de entrada. Estas componentes se obtienen mediante la aplicación de los filtros h (paso-alto) y g (paso- bajo) . La aplicación del filtro h es análoga a la aplicación del wavelet seleccionado a la imagen de entrada mientras que la aplicación del filtro g es análoga a la aplicación de un escalado o de una función de smoothing a la señal de entrada.

El subsistema (8), a parte de la fase de preprocesado

(10) descrita anteriormente, también engloba un módulo

(11) cuyo objetivo es inferir una función general a partir de un conjunto de ejemplos disponibles

(ecografias almacenadas en una Base de Datos) . A partir de dicha función general y de las dos imágenes preprocesadas se puede realizar la estimación del volumen de leche ingerida.

Puesto que la estimación de la dependencia entre el volumen y las dos ecografias disponibles antes y después de la toma del pecho es bastante complicado, que la dimensionalidad de las entradas es realmente alta y el número de ejemplos disponibles bajo, se propone el uso de una red neuronal del tipo Radial Basis Function (RBF) para solucionar la problemática descrita más arriba. La red neuronal RBF está basada en el cómputo de centroides

(la función más intuitiva que puede computarse es una interpolación entre valores mediante una ^λlookup table' ) . Dicho cómputo de centroides e interpolación asume que la función subyacente que debe estimarse es suave (baja variabilidad) de manera que el efecto del ruido en los datos de entrada (ecografias) se traduce en una incertidumbre en el volumen estimado, que estará alrededor del centroide, pero dicho efecto será limitado puesto que dicho volumen de incertidumbre no es demasiado elevado en el sistema presentado.

Por otra parte, el criterio para evaluar la calidad de la función estimada será el Error Cuadrático Medio (MSE) aplicado a una secuencia de control o de validación sobre un conjunto de elementos de la Base de Datos de ecografias original. El rendimiento de los algoritmos de aprendizaje de la RBF, que infieren la función del volumen a partir de los ejemplos y entradas disponibles, puede mejorarse mediante diversas técnicas. Dichas técnicas incluyen la combinación de clasificadores y/o entrenamiento de los clasificadores con distribuciones no-uniformes sobre los datos, la codificación de la salida de los clasificadores o la explotación de las propiedades de los Kernels debido a la alta dimensionalidad de los datos. Estos métodos para la mejora del rendimiento del estimador se analizan mediante la esperanza de los datos de entrada / salida y mediante la relación entre la dimensionalidad de la entrada y el número de muestras.

El error sobre la medición del módulo (11) puede descomponerse como la suma de los cuadrados del sesgo de la estimación y la variancia de la misma. Mediante la agregación de redes neuronales, puede controlarse el error de estimación mediante la disminución tanto del sesgo como de la variancia. Por lo tanto, si se entrena el conjunto de redes neuronales de manera que la salida de cada red sea una variable aleatoria, el efecto de computar la media de todas las salidas resultará en una reducción de la variancia y, por lo tanto, del error de estimación. Dicha reducción será función del número de redes neuronales que se utilicen en el sistema. En la implementación preferida del sistema, según el grado de fiabilidad requerido, se pueden utilizar entre 1 y 100 redes neuronales.

Las redes neuronales de la presente invención se organizan en una estructura tipo comité de manera que, dada una entrada común, cada red utiliza una versión muestreada de la entrada común y se calcula la salida de cada una de ellas en paralelo. El efecto del muestreo de la entrada común es que se introduce un error sistemático diferente en cada red. Por lo tanto, cuando se agrega la salida de un grupo de redes neuronales, puesto que cada red tiene un sesgo diferente, el error de estimación disminuye aún más debido a que ahora se toma la media el error sistemático y a la reducción de la variancia descrita anteriormente.

En la implementación preferida de la presente invención, se propone entrenar un comité de redes neuronales RBF con imágenes de entrada muestreadas (o imágenes segmentadas) de manera que cada red neuronal tenga como entrada una imagen diferente de manera que cuando se agregue todas las salidas de las redes neuronales mediante el cálculo de la media de todas las salidas de las redes neuronales, el error sistemático será menor que el que se obtendría con RBF entrenadas con toda la imagen y no con versiones muestreadas (o segmentos de imagen) de la misma. La figura 7 muestra el diagrama de bloques de este sistema.

Finalmente, con la finalidad de reducir aún más el error sistemático de la estimación de la volumetria, el sistema (8) puede combinarse con el sistema (9) (figura 8) donde las imágenes de entrada son segmentadas mediante técnicas de procesado de imagen, que incluyen la apertura, suavizado, ^y overlay' , cálculo del perimetro / segmentación y estimación del área del perimetro anterior. La relación de áreas calculada mediante este subsistema aplicada al modelo fractal (BSC) descrito anteriormente provee una segunda estimación del volumen completamente incorrelada con la que se ha calculado con el módulo (11) figura 7 por lo que, si se toma la media entre ambas estimaciones, el error sistemático decrece.

Se sobreentiende que en el presente caso pueden ser variables cuantas alteraciones de acabado o forma no modifiquen la esencia de la invención.

Claims

REIVINDICACIONES

1.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA CARACTERIZADO por - incorporar un dispositivo de mano (1) no invasivo para dicha estimación del volumen de leche ingerido por un neonato utilizar un emisor receptor de ultrasonidos (2) integrado en dicho dispositivo de mano (1) para la captación de una ecografia antes de la toma del pecho y otra después de la misma

- disponer dicho dispositivo (1) de medios de cómputo, almacenamiento de datos y procesado de los mismos, adecuados para el tratamiento de las imágenes obtenidas - disponer de procedimientos operativos destinados a realizar la estimación del volumen de leche ingerido por el neonato en tiempo real en medidas de centímetros cúbicos, mililitros, onzas, etc.

- presentar la lectura de la volumetría estimada en una pantalla (3) de dicho dispositivo (1) .

2.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según la reivindicación anterior, CARACTERIZADO porque dichos procedimientos operativos pueden establecer simultáneamente diferentes subsistemas que realizan estimaciones independientes del volumen total de leche almacenada en el pecho (BSC / Breast Storage Capacity) , dicha combinación de subsistemas destinada a reducir el error sistemático en las mediciones de dicho volumen total de leche consumida y aumentar su grado de precisión.

3.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque dicho dispositivo (1) utiliza un sensor de ultrasonidos por contacto para la captura de ecografias antes y después de la toma del pecho.

4.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque dicha captura de ecografias se realiza mediante una tarjeta emisora (4) y una tarjeta receptora (5) de ultrasonidos.

5.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque el sistema para la captación de ultrasonidos es implementado en dicho dispositivo de mano (1) mediante dispositivos DSP, y/o microcontroladores, por ejemplo realizados mediante chips FPGA.

6.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque el sistema para la captación de ultrasonidos (2) puede implementarse con aproximadamente de 1 a 10 dispositivos FPGA según el número de canales de recepción que se deseen (por ejemplo, en un margen de 8 a 64)

1.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque el sistema para la captación de ultrasonidos (2) dispone de una tarjeta coordinadora (6) para la conformación de las imágenes (ecografias) capturadas mediante las tarjetas de emisión (4) y recepción (5) de ultrasonidos.

8.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque las tarjetas de emisión (4) y recepción (5) se encuentran conectadas con la tarjeta coordinadora (6) mediante un panel de conexión serie .

9.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA L ACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque dichos subsistemas para la estimación de la volumetria se encuentran almacenados en dicha tarjeta coordinadora (6).

10.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque la tarjeta coordinadora está implementada con un dispositivo DSP, y/o microcontroladores, a su vez realizados por ejemplo mediante chips FPGA.

11.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque las imágenes obtenidas son preprocesadas antes de la estimación mediante la transformada DCT (Discrete Cosinus Transform) .

12.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque las imágenes obtenidas también pueden ser preprocesadas antes de la estimación mediante la transformada DWT (Discrete Wavelet Transform) .

13.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según la reivindicaciones anteriores, CARACTERIZADO porque las wavelets seleccionadas para el preprocesado son las wavelets de Haar y Daubechines.

14.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque el procedimiento para la estimación del volumen de leche ingerida se realiza a partir de dos imágenes preprocesadas (antes y después de la toma del pecho) .

15.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque dicha estimación del volumen de leche ingerida se realiza por un subsistema con un modelo fractal (7) del pecho humano.

16.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque dicha estimación del volumen de leche ingerida se realiza mediante redes neuronales .

17.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según la reivindicación anterior, CARACTERIZADO porque las redes neuronales anteriores se encuentran configuradas aproximadamente como un comité de 1 a 100 clasificadores.

18.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones 16 y 17, CARACTERIZADO porque para reducir el error sistemático del sistema, cada elemento del comité de clasificadores tiene como entrada una versión muestreada de las imágenes preprocesadas .

19.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque para reducir el error sistemático del sistema pueden utilizarse técnicas de segmentación de imágenes para estimar el grado de colapso del árbol mamario.

20.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según la reivindicación anterior, CARACTERIZADO porque el volumen de leche ingerido puede estimarse mediante un subsistema (9) a partir de la BSC y del grado de compresión del árbol mamario.

21.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque dicho dispositivo (1) funciona con baterías (12).

22.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque el sistema genera una alarma el caso de que se produzca un error (baterías (12) , captura de ecografia, etc) .

23.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según las reivindicaciones anteriores, CARACTERIZADO porque el sistema puede disponer de los registros de memoria adecuados y configurarse para almacenar los datos de diversas lecturas y dar una evolución sobre las tomas a lo largo del tiempo.

24.- SISTEMA PARA LA ESTIMACIÓN DE LA VOLUMETRÍA DE LA LACTANCIA MATERNA, según la reivindicaciones anteriores, CARACTERIZADO porque el sistema puede disponer de los medios de comunicación adecuados y configurarse para volcar las lecturas a un ordenador para su análisis.